Desarrollo de un algoritmo para determinar el riesgo de muerte en pacientes dentro de una Unidad de Cuidado Intensivo utilizando Regresión Múltiple no Lineal

Authors

DOI:

https://doi.org/10.15665/rp.v12i2.288

Keywords:

Parámetros fisiológicos, Regresión Múltiple no Lineal, Riesgo de muerte, Sistemas de clasificación de la severidad de la enfermedad, Unidad de Cuidado Intensivo

Abstract

Los sistemas de clasificación de la severidad de la enfermedad han sido utilizados por décadas por médicos en
todo el mundo dentro de la Unidad de Cuidado Intensivo, como un indicativo del estado de salud del paciente y
la probabilidad del riesgo de muerte del mismo. A pesar de la aceptación de dichos sistemas de clasificación, se ha
demostrado que no tienen los resultados más precisos, es por esta razón que los científicos e ingenieros han probado
diversas técnicas para buscar mejorar dichos sistemas. En este artículo se presentan los resultados del desarrollo de
un algoritmo para la determinación del riesgo de muerte utilizando regresión múltiple no lineal y su comparación
con los resultados obtenidos con el sistema de clasificación tradicional SAPS I. Partiendo de una base de datos de
mediciones de parámetros fisiológicos para 4000 pacientes, se realiza un procesamiento extendido de la misma, aplicándosele
análisis de datos y probándose las técnicas de regresión múltiple no lineal: Árbol de regresión, Regresión
logística, Máquina de Vector de Soporte y Redes Neuronales Artificiales. Los mejores resultados se obtuvieron con
la técnica Máquina de Vector de Soporte, logrando superar el desempeño del sistema SAPS I.

References

S. Vairavan, L. Eshelman, S. Haider, et al, “Prediction

of Mortality in an Intensive Care Unit using Logistic Regression

and a Hidden Markov Model”, Computing in Cardiology,

vol. 39, pp. 393-396, 2012.

W. A. Kanus, J. E. Zimmerman, D. P. Wagner, et al,

“APACHE- acute physiology and chronic health evaluation:

A physiologically based classification system”, Crit

Care Med, vol. 9, pp. 591, 1981.

S. Lemeshow, J. Klar, D. Teres, et al, “Mortality Probability

Models for patients in the intensive care unit for 48

or 72 hours: a prospective, multicenter study”, Crit Care

Med, vol. 22, pp. 1351-1358, Sep. 1994.

Springer (2006). Comparison of variables collected in

APACHE, SAPS and SOFA scores [Internet]. Disponible

desde:

<http://www.springerimages.com/Images/RSS/5-

1186_1471-2334-6-132-0> [Acceso 23 de mayo 2014].

J. Vincent, R. Moreno, J. Takala, et al, “The SOFA (Sepsis-

related Organ Failure Assessment) score to describe

organ dysfunction/failure”, Intensive Care Med, vol. 22, pp.

-710, 1996.

J. Mata, “Escalas pronósticas en la Unidad de Terapia

Intensiva”, Revista de la Asociación Mexicana de Medicina

Crítica y Terapia Intensiva, vol. 25, no. 4, pp. 234-241, 2012.

Physionet 2012 Challenge (2012) [Internet]. Disponible

desde:

. [Acceso 23 de

mayo 2014].

C. H. Lee, N. M. Arzeno, J. C.Ho, H.Vikalo, & J.Ghosh,

“An Imputation-Enhanced Algorithm for ICU Mortality Prediction”.

Computing in Cardiology, vol 39, pp 253-256, 2012.

E. P. Goss, & H. Ramchandani, “Survival prediction in

the intensive care unit: a comparison of neural networks

and binary logit regression”. Socio-Economic Planning

Sciences, vol. 32(3), pp. 189-198, 1998.

L. A. Celi, S.Galvin, G. Davidzon, J. Lee, D.Scott, & R.

Mark, “A Database-driven decision support system: customized

mortality prediction”. Journal of personalized medicine,

vol. 2(4), pp. 138-148, 2012.

S. Vairavan, L. Eshelman, S. Haider, A. Flower & A.

Seiver, “Prediction of Mortality in an Intensive Care Unit

using Logistic Regression and a Hidden Markov Model”.

Computing in Cardiology, vol 39, pp 393-396, 2012.

H. Xia, B. J. Daley, A. Petrie & X. Zhao, “A Neural Network

Model for Mortality Prediction in ICU”. Proc. Computing

In Cardiology 2012, vol. 39, pp. 261-264, 2012.

O. Luaces, F. Taboada, G. M. Albaiceta, L.A. Domínguez,

P. Enríquez, & A. Bahamonde, “Predicting the

probability of survival in intensive care unit patients

from a small number of variables and training examples”.

Artificial intelligence in medicine, vol. 45(1), pp. 63-

, 2009.

K. Hekmat, F. Doerr, A. Kroener, M. Heldwein, T.

Bossert, A. M. Badreldin, & A. Lichtenberg, “Prediction

of mortality in intensive care unit cardiac surgical patients”.

European Journal of Cardio-Thoracic Surgery, vol.

(1), pp. 104-109, 2010.

Downloads

Issue

Vol. 12 No. 2 (2014)

Section

Articles

License

The authors to publish in this journal agree to the following conditions:

  1. The authors transfer the copyright and give the the journal first publication right of the work registered with Creative Commons Attribution License, which allows third parties to use the published work on the condition of always mentioning the authorship and first publication in this journal.
  2. The authors may perform other independent and additional contractual arrangements for the non-exclusive distribution of the version of the article published in this issue (E.g., Inclusion in an institutional repository or publication in a book), it must be indicated clearly that the work was first published in this journal.
  3. It allows and encourages the authors to publish their work online (eg institutional or personal pages) before and during the review and publication process. It can lead to productive exchanges and greater and faster dissemination of the published work (see The Effect of Open Access)

Instructions to fill out Certificate of Originality and Copyright Assignment

  1. Click here and get the forms of Certificate of Originality and Copyright Assignment  .
  2. In each field to fill out, click and complete the corresponding information.
  1. Once the fields are filled out, at the end of the form copy your scanned signature or digital signature. Please adjust the size of the signature on the form.
  2. Finally, you can save them as pdf files and send them through the OJS platform as an attachment.